人因理论与概念
- 保真度 / fidelity：原型接近真实产品的程度
- 差别阈限 / difference threshold：人刚好察觉两个刺激之间存在差异所需的最小物理差异
- 绝对阈限 / absolute threshold：人刚好能察觉到刺激存在所需的最小物理强度
- 控制实验 / controlled experiment：操纵自变量以观察其对因变量的影响，同时控制其他额外变量
- 脑力负荷 / mental workload：任务对个体有限认知资源的需求程度
- 情境意识 / situation awareness：人在动态环境中对当前情境的掌握程度
- 情绪 / emotion：个体的短暂情感反应
- 人因工程 / human factors / ergonomics：优化人、机器、环境组成的系统
- 人因实验 / human factors experiment：回答人因工程研究问题的控制实验
- 神经系统 / nervous system：由神经元组成，负责接收、处理和传递信息，并调控感觉、运动、认知、情绪及生理活动
- 实验效度 / experimental validity：实验整体的效度
- 视觉搜索 / visual search：从多个刺激中找到特定目标的视觉注意过程与实验任务
- 信号检测理论 / signal detection theory：描述人从噪音中识别目标信号的过程
- 信任 / trust：信任者对受托方的行为有积极预期并接受风险与脆弱性
- 信任校准 / trust calibration：将信任逐渐与系统真实能力相匹配的过程或程度
- 研究问题 / research question：研究项目试图回答的问题
- 原型 / prototype：将设计构想具象化的早期模型
- Fitts定律 / Fitts’s Law：描述目标选择时间与目标距离、目标宽度之间对数关系的预测模型
实验设计基础
- 保真度 / fidelity：原型接近真实产品的程度
- 参试者行为偏差 / participant bias：参试者因为被观察而产生的行为偏差
- 操纵混淆 / confounded manipulation：实现自变量不同水平时无意引入了混淆因素
- 操纵检验 / manipulation check：验证自变量操纵是否成功
- 抵消平衡 / counterbalancing：通过轮换自变量水平的出场顺序来均衡次序效应
- 调节变量 / moderator：调节自变量对因变量的作用的变量
- 额外变量 / extraneous variable：其他影响因变量的因素
- 构念效度 / construct validity：操作化指标能否准确代表理论构念
- 合成任务 / synthetic task：基于真实任务抽象构造的实验任务
- 恒定法 / keeping extraneous variables constant：将额外变量在所有实验条件下保持一致
- 激励相容 / incentive compatibility：通过报酬设计，使参试者认真完成实验任务、真实汇报成为其最优策略
- 交互效应 / interaction effect：一个自变量对因变量的影响效应随着另一个自变量的取值变化
- 拉丁方设计 / Latin square design：通过拉丁方矩阵来抵消平衡
- 绿野仙踪法 / Wizard of Oz：人工在后台模拟原型未实现的功能
- 伦理审查 / research ethics review：伦理委员会评估实验方案是否符合伦理要求
- 纳入标准和排除标准 / inclusion and exclusion criteria：参试者筛选的标准
- 内部效度 / internal validity：确认因变量的变化是由自变量引起的，而非混淆变量
- 任务抽象 / task abscraction：从真实工作任务中提取关键认知过程并构造实验任务的过程
- 任务后访谈 / post-task interview：参试者完成试验任务后的简短访谈
- 实验假设 / experimental hypothesis：待通过实验验证或证伪的论点
- 实验流程 / experimental procedure：参试者进入实验到完成实验离开的整个流程
- 实验平台 / experimental platform：能够推动实验、呈现自变量、记录参试者数据的平台
- 实验效度 / experimental validity：实验整体的效度
- 实验者期望效应 / experimenter expectancy effect：主试不自主地表现出倾向性
- 视觉搜索 / visual search：从多个刺激中找到特定目标的视觉注意过程与实验任务
- 试验设计 / design of experiments：如何组合自变量、安排不同条件的顺序、分配参试者
- 随机化分配 / random assignment：通过随机方式分配参试者到不同实验条件
- 统计结论效度 / statistical conclusion validity：数据分析的可靠性
- 外部效度 / external validity：结论应用于该实验设定之外的有效性
- 析因设计 / factorial design：多个自变量时，操纵自变量不同水平的交叉组合
- 研究问题 / research question：研究项目试图回答的问题
- 因变量 / dependent variable：随自变量的变化而变化、研究者可以观测的目标变量
- 原型 / prototype：将设计构想具象化的早期模型
- 中介变量 / mediator：介于自变量到因变量的影响关系中间的变量
- 主效应 / main effect：在平均掉其他变量的情况下，某个自变量单独对因变量的影响
- 自变量 / independent variable：被研究者操纵的变量
- 组间设计 / between-group design：每个参试者只体验自变量的一个水平
- 组内设计 / within-group design：每个参试者会体验自变量的所有水平
- AB测试 / A/B testing：对比软件2个版本的线上组间设计实验
- Fitts定律 / Fitts’s Law：描述目标选择时间与目标距离、目标宽度之间对数关系的预测模型
- n-back任务 / n-back task：连续工作记忆任务，判断当前刺激是否与N个试次前出现过的刺激相同
测量与数据采集
- 测量尺度 / measurement scale：变量取值的数学性质
- 出声思考法 / think-aloud protocol：参试者执行实验任务的同时把思路说出来
- 非结构化数据 / unstructured data：没有按照固定字段或结构组织的数据，例如文本、图像、音频和视频
- 构念效度 / construct validity：操作化指标能否准确代表理论构念
- 肌电图 / electromyography：通过电极记录骨骼肌收缩时产生电活动的生理测量方法
- 李克特量表 / Likert scale：一种特殊常用的评定量表
- 脑电图 / electroencephalography：通过电极记录大脑皮层电活动的生理测量方法
- 脑力负荷 / mental workload：任务对个体有限认知资源的需求程度
- 评定量表 / rating scale：用于对变量进行评定，并以数值或类别表示评定结果的量表
- 情境意识 / situation awareness：人在动态环境中对当前情境的掌握程度
- 情绪 / emotion：个体的短暂情感反应
- 区分度 / discrimination：测量指标区分不同水平或实验条件的能力
- 任务后访谈 / post-task interview：参试者完成试验任务后的简短访谈
- 生理测量 / physiological measurement：通过仪器记录参试者在实验过程中产生的生理活动
- 实验平台 / experimental platform：能够推动实验、呈现自变量、记录参试者数据的平台
- 心率变异性 / heart rate variability：相邻心跳间隔随时间变化程度的指标，可反映自主神经系统活动状态
- 信度 / reliability：测量的一致性与稳定性
- 信号检测理论 / signal detection theory：描述人从噪音中识别目标信号的过程
- 信任 / trust：信任者对受托方的行为有积极预期并接受风险与脆弱性
- 信任校准 / trust calibration：将信任逐渐与系统真实能力相匹配的过程或程度
- 行为记录 / behavioral recording：直接观察或自动记录参试者在任务中的外显行为，将其转化为可分析数据
- 行为序列数据 / behavioral sequence data：按照时间顺序记录一系列离散行为事件或状态的数据
- 眼动追踪 / eye tracking：通过眼动仪记录注视、眼跳、眨眼与瞳孔变化等眼部活动
- 自我汇报法 / self-report method：由参试者自己描述其心理状态、体验、态度或认知过程的数据收集方法
统计学基础
- 伯努利分布 / Bernoulli distribution：描述一次只有0和1两种可能结果的随机试验的离散概率分布
- 参数估计 / parameter estimation：用样本统计量推断总体参数
- 参数检验 / parametric test：假定总体服从某一概率分布的假设检验
- 调节变量 / moderator：调节自变量对因变量的作用的变量
- 方差齐性 / homogeneity of variance：各组方差近似想等
- 非参数检验 / nonparametric test：不要求总体服从某种分布的假设检验
- 概率分布 / probability distribution：描述随机变量取值概率规律的函数
- 功效分析 / power analysis：分析显著性水平、效应值、样本量和统计功效之间关系
- 估计边际均值 / estimated marginal mean：根据已经拟合的模型得到的某个自变量水平或某个条件单元的平均预测值
- 固定效应 / fixed effect：混合效应模型中自变量和希望控制的额外变量带来的总平均效应
- 机器学习 / machine learning：使计算机从数据中学习从而完成特定任务的一类方法
- 假设检验 / hypothesis testing：用于判断样本数据是否支持某个关于总体的假设
- 监督学习 / supervised learning：利用带有已知结果的训练数据，学习输入数据与目标结果之间关系的机器学习方法
- 交互效应 / interaction effect：一个自变量对因变量的影响效应随着另一个自变量的取值变化
- 均匀分布 / uniform distribution：任意等长区间内的概率相同的概率分布
- 描述性统计 / descriptive statistics：概括样本数据的基本特征
- 神经网络 / neural network：由相互连接的计算单元组成网络的一类机器学习模型。
- 实验假设 / experimental hypothesis：待通过实验验证或证伪的论点
- 试验设计 / design of experiments：如何组合自变量、安排不同条件的顺序、分配参试者
- 数据可视化 / data visualization：将数据转为视觉形式
- 随机变量 / random variable：把随机事件的结果映射为数值的变量
- 随机截距 / random intercept：分组单位的基线水平相对总体固定截距的系统偏移
- 随机效应 / random effect：参试者等分组单位相对固定效应的系统偏移
- 随机斜率 / random slope：分组单位的效应相对总固定斜率的系统偏移
- 统计功效 / statistical power：假设检验能够在真实效应存在时检出改效应的概率
- 统计结论效度 / statistical conclusion validity：数据分析的可靠性
- 无监督学习 / unsupervised learning：在没有预先给定目标结果的情况下，从数据本身寻找规律的机器学习方法
- 效应值 / effect size：量化差异、关系或效应大小的统计指标
- 正态分布 / normal distribution：一种常见的连续随机变量的概率分布
- 中介变量 / mediator：介于自变量到因变量的影响关系中间的变量
- 主效应 / main effect：在平均掉其他变量的情况下，某个自变量单独对因变量的影响
- 组间设计 / between-group design：每个参试者只体验自变量的一个水平
- 组内设计 / within-group design：每个参试者会体验自变量的所有水平
数据分析方法
- 编码 / coding：对非结构化数据进行标记与分类，转化为可系统整理的结构化数据的过程
- 单因素ANOVA / one-way ANOVA：只有一个组间自变量的ANOVA（默认组间设计）
- 定性分析 / qualitative analysis：从非结构化数据中识别其中内容、类别、主题和意义的分析方法
- 独立样本t检验 / independent-samples t-test：适合组间设计的t检验
- 多因素ANOVA / multi-way ANOVA：两个或多个因素的ANOVA（默认组间设计）
- 多元线性回归 / multiple linear regression：用多个自变量的线性组合预测一个连续因变量
- 方差分析 / analysis of variance：检验非连续自变量对连续因变量效应的参数检验方法
- 固定效应 / fixed effect：混合效应模型中自变量和希望控制的额外变量带来的总平均效应
- 广义线性混合效应模型 / generalized linear mixed-effects model：通过固定效应与随机效应的线性组合预测非正态因变量概率分布的混合效应模型
- 过程挖掘 / process mining：从大量事件序列中发现、检验或增强整体流程模型
- 混合设计ANOVA / mixed-design ANOVA：同时包含组内和组间因素的ANOVA
- 混合效应模型 / mixed-effects model：将参试者等分组单位的系统差异纳入分析的统计模型
- 机器学习 / machine learning：使计算机从数据中学习从而完成特定任务的一类方法
- 假设检验 / hypothesis testing：用于判断样本数据是否支持某个关于总体的假设
- 监督学习 / supervised learning：利用带有已知结果的训练数据，学习输入数据与目标结果之间关系的机器学习方法
- 简单主效应分析 / simple main effects analysis：ANOVA交互效应显著时的后续分析
- 结构方程模型 / structural equation modeling：同时建立潜变量的测量关系和变量之间结构关系的统计建模方法
- 聚类 / clustering：根据样本特征的相似性，将相似样本归为同一簇的无监督学习方法
- 决策树 / decision tree：通过连续选择特征及其切分条件，将样本逐步划分并得到预测结果的分类方法
- 卡方检验 / chi-square test：分析两个分类变量是否有关联的非参数检验
- 两两t检验 / pairwise t-test：多个条件之间两两进行t检验并修正p值
- 路径分析 / path analysis：同时建立多条变量间的回归关系来分析多个观测变量的关系
- 逻辑回归 / logistic regression：通过逻辑函数将特征的线性组合转换为概率，从而预测分类结果
- 内容分析 / content analysis：在编码的基础上，对内容进行归类，并分析不同类别分布的方法
- 配对样本t检验 / paired-samples t-test：适合组内设计的t检验
- 朴素贝叶斯分类器 / naive Bayes classifier：根据各类别中不同独立特征出现的可能性计算样本所属类别概率的分类方法
- 亲和图 / affinity diagram：将非结构化数据中的零散发现聚类起来的定性分析方法
- 神经网络 / neural network：由相互连接的计算单元组成网络的一类机器学习模型。
- 事后检验 / post hoc test：总体检验有显著结果后对多个条件进一步两两比较
- 数据可视化 / data visualization：将数据转为视觉形式
- 随机截距 / random intercept：分组单位的基线水平相对总体固定截距的系统偏移
- 随机效应 / random effect：参试者等分组单位相对固定效应的系统偏移
- 随机斜率 / random slope：分组单位的效应相对总固定斜率的系统偏移
- 探索性因子分析 / exploratory factor analysis：从多个观测变量的相关结构中探索少数潜在共同因子的因子分析方法
- 无监督学习 / unsupervised learning：在没有预先给定目标结果的情况下，从数据本身寻找规律的机器学习方法
- 线性混合效应模型 / linear mixed-effects model：分析连续因变量的混合效应模型
- 序列分析 / sequence analysis：描述序列特征并比较不同序列之间差异的方法
- 验证性因子分析 / confirmatory factor analysis：检验预先假设的潜变量与观测变量关系是否得到数据支持的因子分析方法
- 支持向量机 / support vector machine：通过寻找使不同类别之间分类间隔尽可能大的边界进行分类
- 滞后序列分析 / lag sequential analysis：识别行为序列中显著局部转移关系的方法
- 重复测量ANOVA / repeated-measures ANOVA：自变量为组内变量的ANOVA
- 主题分析 / thematic analysis：在编码的基础上，概括和解释数据中的共同意义与模式
- ART ANOVA / aligned rank transform ANOVA：多因素ANOVA的非参数替代
- Friedman检验 / Friedman test：组内单因素ANOVA的非参方法
- Kruskal-Wallis检验 / Kruskal–Wallis test：组间单因素ANOVA的非参方法
- Pearson相关系数 / Pearson correlation coefficient：描述两个连续变量之间线性关系方向和强度的相关系数
- Spearman相关系数 / Spearman correlation coefficient：基于变量的秩描述两个变量之间单调关系方向和强度的相关系数
- t检验 / t-test：用t分布对比两组均值的参数检验方法
- Tukey HSD检验 / Tukey’s honestly significant difference：一种两两对比的事后检验方法
- Wilcoxon符号秩检验 / Wilcoxon signed-rank test：配对样本t检验的非参替代
- Wilcoxon秩和检验 / Wilcoxon rank-sum test：独立样本t检验的非参替代